پیش بینی مصرف آب شهری با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهر صوفیان)
Publish place: National Conference on Technology and New Technology Design, Calculation and Execution of Civil Engineering, Architecture and Urbanism
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 600
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCECAU01_141
تاریخ نمایه سازی: 2 تیر 1395
Abstract:
پیش بینی دقیق میزان مصرف آب در طرح های آبرسانی شامل تأمین، انتقال، پالایش، ذخیره سازی و توزیع و نیز جمع آوری، انتقال و تصفیه پساب های بهداشتی از اهمیت بسیار زیادی برخوردار است. با توجه به محدودیت منابع آب در کشور به لحاظ قرار گیری در منطقه اقلیمی نیمه خشک اهمیت موضوع بیشتر می گردد. پیچیده گی و تأثیر عوامل و پارامترهای مختلف بر مقدار مصرف آب در سیستم های یادشده باعث شده اند که مدل های تحلیلی و ریاضی کارائی لازم را در این زمینه نداشته باشند. در این مقاله با بهره گیری از مدل تجربی شبکه عصبی مصنوعی که از قابلیت بالایی در مدلسازی پدیده های پیچیده بهره مند می باشد و با استفاده از آمار موجود به ارائه مدل پیش بینی دقیق میزان مصرف آب در شهر صوفیان خواهیم پرداخت. با توجه به اینکه داده ای موجود در فواصل زمانی دوماهه در دسترس بوده اند، مدل تهیه شده نیز از توانائی مشابهی در مرحله پیش بینی برخوردار خواهد بود. با انتخاب مدل های شبکه عصبی مصنوعی مرسوم RBF, MLP به روش سعی و خطا و انجام ارزیابی های لازم، نهایتاً مدل شبکه عصبی مصنوعی MLP با ساختار 3 لایه و 15 نرون در لایه میانی و تابع خروجی غیرخطی به عنوان مدل مناسب برای پیش بینی مصرف آب در شهر صوفیان انتخاب و پیشنهاد می گردد.
Keywords:
Authors
رضا قلی اجلالی
استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد تبریز
محمد قاصدی فتح آبادی
فارغ التحصیل کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد اهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :